AI 大模型數(shù)據(jù)被盜第一案？細(xì)節(jié)曝光

作 者丨鐘雨欣 , 鄭雪

(相關(guān)資料圖)

編 輯丨王俊

6 月 13 日，筆神作文發(fā)布 " 關(guān)于‘學(xué)而思’ AI 大模型侵權(quán)事件的聲明 "。聲明稱，4 月 13 日至 17 日，學(xué)而思通過(guò) " 爬蟲(chóng) " 技術(shù)非法訪問(wèn)、緩存筆神作文 APP 服務(wù)器數(shù)據(jù)多達(dá) 258 萬(wàn)次。嚴(yán)重侵犯了筆神作文 APP 的數(shù)據(jù)權(quán)益。

對(duì)此，學(xué)而思官方微博發(fā)文回應(yīng)稱：" 首先，MathGPT 是專注于數(shù)學(xué)領(lǐng)域的自研大模型，沒(méi)有任何作文相關(guān)數(shù)據(jù)；其次，‘作文 AI 助手’目前處于開(kāi)發(fā)狀態(tài)，尚未發(fā)布，該服務(wù)并未使用筆神作文的任何數(shù)據(jù)。"

6 月 14 日，筆神作文再度發(fā)文，在這篇題為《學(xué)而思，你做了一次標(biāo)準(zhǔn)的扒庫(kù)示范》的聲明中，其表示 " 我們認(rèn)為學(xué)而思方所述并非事實(shí) "，并列出了相關(guān)證據(jù)。

受訪專家向 21 世紀(jì)經(jīng)濟(jì)報(bào)道記者分析，本次風(fēng)波的實(shí)質(zhì)是授權(quán)合同違約糾紛，涉及到對(duì)于合同授權(quán)范圍條款的解釋。AIGC 產(chǎn)品獲得訓(xùn)練模型數(shù)據(jù)授權(quán)是合規(guī)的根基。

學(xué)而思 AI 大模型疑盜取合作商數(shù)據(jù)？

" 學(xué)而思在今年 4 月 13 日至 4 月 17 日，通過(guò)‘爬蟲(chóng)’技術(shù)非法訪問(wèn)、緩存筆神作文 APP 服務(wù)器數(shù)據(jù)多達(dá) 258 萬(wàn)次。" 筆神作文在 6 月 13 日聲明中表示。

筆神作文認(rèn)為，這一行為不僅違反了雙方的合同條款，也違反了《數(shù)據(jù)安全法》相關(guān)規(guī)定，嚴(yán)重侵犯了筆神作文 APP 的數(shù)據(jù)權(quán)益。事后其曾向?qū)W而思方面進(jìn)行取證，并且對(duì)方承認(rèn)是他們的算法組在爬取數(shù)據(jù)并作為己用，但在收到律師函后始終沒(méi)有實(shí)質(zhì)性答復(fù)。

記者了解到，筆神作文是隸屬于北京一筆兩劃科技有限公司的品牌，據(jù)其官網(wǎng)介紹，筆神是一款人工智能輔助寫(xiě)作軟件，擁有千萬(wàn)級(jí)寫(xiě)作素材庫(kù)。筆神作文與學(xué)而思之間有著多年的合作基礎(chǔ)。

筆神作文稱，在不到一個(gè)月的時(shí)間，學(xué)而思的 AI 大模型 MathGPT 里包含的新產(chǎn)品 " 作文 AI 助手 " 就即將上線。疑似指后者作文 AI 產(chǎn)品使用了其數(shù)據(jù)。

筆神作文還表示會(huì)通過(guò)法律途徑來(lái)維護(hù)自身權(quán)益，但目前國(guó)內(nèi)并沒(méi)有 "AI 大模型數(shù)據(jù)盜取 " 的判決先例。" 希望學(xué)而思就此支付 1 元賠償金，并公開(kāi)道歉，同時(shí)刪除已爬取的數(shù)據(jù)。"

各執(zhí)一詞：正常合作還是 " 扒庫(kù) " 行為？

6 月 13 日晚，學(xué)而思發(fā)布聲明，從三方面進(jìn)行回應(yīng)：

一是，學(xué)而思和筆神作文于 2020 年 12 月開(kāi)始合作，合作協(xié)議明確約定：筆神作文為學(xué)而思提供 " 筆神作文范文素材服務(wù)接口 "，用于學(xué)而思相關(guān)服務(wù)中，每月保底費(fèi)用包含的調(diào)用次數(shù)為百萬(wàn)次量級(jí)。合作至今，雙方一直按照調(diào)用量進(jìn)行正常結(jié)算。

二是，學(xué)而思對(duì)筆神作文接口的調(diào)用，屬于雙方合同約定的正常合作范圍，對(duì)筆神素材內(nèi)容的使用均符合合同要求，并未用于合同以外的任何用途。

三是，筆神作文在公開(kāi)聲明中提及學(xué)而思正在研發(fā)的數(shù)學(xué)大模型 MathGPT 以及學(xué)而思學(xué)習(xí)機(jī) " 作文 AI 助手 "，并主觀揣測(cè)學(xué)而思使用其數(shù)據(jù)用于兩款產(chǎn)品的訓(xùn)練和研發(fā)，這與事實(shí)嚴(yán)重不符。

" 首先，MathGPT 是專注于數(shù)學(xué)領(lǐng)域的自研大模型，沒(méi)有任何作文相關(guān)數(shù)據(jù)；其次，作文 AI 助手目前處于開(kāi)發(fā)狀態(tài)，尚未發(fā)布，該服務(wù)并未使用筆神作文的任何數(shù)據(jù)。" 學(xué)而思稱。

6 月 14 日，筆神作文發(fā)布《學(xué)而思，你做了一次標(biāo)準(zhǔn)的扒庫(kù)示范》，表示 " 我們認(rèn)為學(xué)而思方所述并非事實(shí) "，并列出相關(guān)證據(jù)。

筆神作文稱，學(xué)而思在聲明里提到調(diào)用數(shù)據(jù)為正常使用，筆神作文在合同中明確 " 甲方（注：三體云聯(lián)公司）不得隨意泄露、使用、傳播或緩存乙方（注：一筆兩劃公司）服務(wù)接口中的作文范本及相關(guān)內(nèi)容，否則造成的損失將由甲方全額賠償 "。同時(shí)，在合同中提出 " 甲方不得在未經(jīng)乙方允許的情況下用于任何其他用途，包括緩存，存儲(chǔ)，作為語(yǔ)料進(jìn)行計(jì)算，訓(xùn)練等。"

但在 2023 年 4 月 13 日至 4 月 17 日之間，筆神作文檢測(cè)到服務(wù)器接口出現(xiàn)大量有規(guī)律的異常訪問(wèn)，導(dǎo)致服務(wù)器承載壓力快速升高。通過(guò)查閱服務(wù)器日志發(fā)現(xiàn)：三體云聯(lián)公司未經(jīng)一筆兩劃公司授權(quán)許可，用單一 IP 通過(guò) " 爬蟲(chóng) " 技術(shù)非法訪問(wèn)一筆兩劃公司服務(wù)器數(shù)據(jù)多達(dá) 258 萬(wàn)次。

" 而且，從這個(gè) IP 的訪問(wèn)日志來(lái)看，每次訪問(wèn)的搜索詞都是作文相關(guān)的高頻搜索詞，我們每頁(yè)會(huì)返回 30 篇作文，每次訪問(wèn)都是用搜索詞從第一頁(yè)逐頁(yè)向后翻，這種方式基本上把庫(kù)里同個(gè)題目的所有作文全部抓取完了，這種行為不是正常人使用的方式。而且很多訪問(wèn)的間隔都是 100 毫秒左右，也不可能是正常人訪問(wèn)的速度。" 筆神作文表示。

筆神作文認(rèn)為，這種對(duì)數(shù)據(jù)庫(kù)的搜刮式訪問(wèn)，與以往正常的訪問(wèn)方式完全不同，按業(yè)內(nèi)的通常說(shuō)法，這就是一種典型的 " 扒庫(kù) " 行為。

網(wǎng)絡(luò)安全專家陳業(yè)炫告訴 21 世紀(jì)經(jīng)濟(jì)報(bào)道記者，所謂 " 扒庫(kù) " 是一個(gè)口語(yǔ)化的形容詞，用于形容大規(guī)模爬取數(shù)據(jù)。" 數(shù)據(jù)爬蟲(chóng)過(guò)程中，爬取的規(guī)模大了、頻率高了，就會(huì)被認(rèn)為是非正常行為。通常情況下，高頻率的請(qǐng)求，大規(guī)模、每一篇都會(huì)訪問(wèn)的遍歷式行為都需引起關(guān)注。"

據(jù)陳業(yè)炫介紹，爬蟲(chóng)本身就是程序化的自動(dòng)行為，比如每秒 10 次的訪問(wèn)量可以看作是超出普通用戶的行為頻率，正常用戶不會(huì)大規(guī)模、高頻率的訪問(wèn)相關(guān)網(wǎng)頁(yè)。

在這個(gè)事件中，哪些行為是被允許的？哪些是不被允許的？" 筆神允許相關(guān)合作方查詢、查看數(shù)據(jù)，但是不能本地化存儲(chǔ)用于機(jī)器學(xué)習(xí)的素材。" 陳業(yè)炫說(shuō)。

據(jù)筆神作文介紹，基于雙方的合作精神，筆神作文自己的技術(shù)團(tuán)隊(duì)設(shè)計(jì)了完備的安全機(jī)制，正常情況下，可以防止黑客們進(jìn)行爬蟲(chóng)攻擊。而只有提供給合作伙伴學(xué)而思的接口是不設(shè)防的。

如何理解接口不設(shè)防？陳業(yè)炫介紹，筆神作文方面未對(duì)學(xué)而思設(shè)置反爬蟲(chóng)措施。" 日常的合作中，開(kāi)放數(shù)據(jù)的一方通常需要限制訪問(wèn)的行為，包括頻率和總量，給自己留以一定的反應(yīng)時(shí)間，以防全部數(shù)據(jù)被快速抓走。"

21 世紀(jì)經(jīng)濟(jì)報(bào)道記者多次通過(guò)官方電話嘗試聯(lián)系事件雙方，截至發(fā)稿前未得到回復(fù)。

AIGC 火爆出圈，與之伴生的侵權(quán)風(fēng)險(xiǎn)問(wèn)題也引發(fā)各界關(guān)注。國(guó)家網(wǎng)信辦今年 4 月發(fā)布的《生成式人工智能服務(wù)管理辦法（征求意見(jiàn)稿）》提到，提供者應(yīng)當(dāng)對(duì)生成式人工智能產(chǎn)品的預(yù)訓(xùn)練數(shù)據(jù)、優(yōu)化訓(xùn)練數(shù)據(jù)來(lái)源的合法性負(fù)責(zé)。用于生成式人工智能產(chǎn)品的預(yù)訓(xùn)練、優(yōu)化訓(xùn)練數(shù)據(jù)不得含有侵犯知識(shí)產(chǎn)權(quán)的內(nèi)容。

中倫律師事務(wù)所合伙人王飛指出，以 ChatGPT 為代表的生成式 AI，底層是一款通用的自然語(yǔ)言生成模型，通過(guò)互聯(lián)網(wǎng)海量的語(yǔ)料庫(kù)訓(xùn)練，對(duì)語(yǔ)言文本進(jìn)行概率建模來(lái)預(yù)測(cè)下一段輸出內(nèi)容的概率，從而實(shí)現(xiàn)根據(jù)用戶輸入的文字內(nèi)容生成對(duì)應(yīng)文字回答的功能。

具體到本次學(xué)而思和筆神作文的 "AI 大模型數(shù)據(jù)竊取 " 風(fēng)波，王飛表示，這個(gè)事件實(shí)質(zhì)是授權(quán)合同違約糾紛，涉及到對(duì)于合同授權(quán)范圍條款的解釋。AIGC 產(chǎn)品獲得訓(xùn)練模型數(shù)據(jù)授權(quán)是合規(guī)的根基，授權(quán)的內(nèi)容和范圍、使用的形式等一般會(huì)在簽訂授權(quán)合同時(shí)予以明晰，但鑒于 AIGC 作為新生產(chǎn)物，怎樣進(jìn)行約定還要再進(jìn)行探索，也會(huì)是未來(lái) AIGC 產(chǎn)品糾紛產(chǎn)生的主要原因之一。

陜西華格律師事務(wù)所律師葛偉超也認(rèn)為，這主要是基于合同目的而產(chǎn)生的問(wèn)題。" 雙方可能會(huì)因?yàn)楹贤嘘P(guān)于數(shù)據(jù)使用的范圍、方式、程度等條款約定不明產(chǎn)生不同理解，而對(duì)簿公堂。"

那么，構(gòu)成 AI 大模型 " 數(shù)據(jù)盜取 " 行為，有哪些主要的判斷因素？

"AI 數(shù)據(jù)抓取案件本質(zhì)上與近年來(lái)司法判決的典型數(shù)據(jù)抓取案件并無(wú)差別，都需要判斷抓取數(shù)據(jù)行為是否損害數(shù)據(jù)持有者的商業(yè)利益與市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)、是否屬于未經(jīng)許可使用他人勞動(dòng)成果、是否違背商業(yè)道德、抓取數(shù)據(jù)是否有合理理由。" 王飛說(shuō)。

在法律責(zé)任方面，葛偉超指出，利用抓取技術(shù)破壞他人市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)，具有并存在為自己謀取競(jìng)爭(zhēng)優(yōu)勢(shì)的主觀故意，違反誠(chéng)實(shí)信用原則，擾亂競(jìng)爭(zhēng)秩序的數(shù)據(jù)抓取行為，可能構(gòu)成不正當(dāng)競(jìng)爭(zhēng)行為。同時(shí)也直接違反了《數(shù)據(jù)安全法》相關(guān)規(guī)定。

" 如果合作協(xié)議中有約定違約責(zé)任條款，則依其處理。如果沒(méi)有約定該種情形，則屬于侵權(quán)范圍，要承擔(dān)相應(yīng)侵權(quán)責(zé)任，包括但不限于賠禮道歉、停止侵權(quán)、賠償損失等。" 葛偉超說(shuō)。

大模型的開(kāi)發(fā)離不開(kāi)海量數(shù)據(jù)助力。當(dāng)前，數(shù)據(jù)來(lái)源的知識(shí)產(chǎn)權(quán)已經(jīng)成為大模型發(fā)展的阿喀琉斯之踵。AI 模型開(kāi)發(fā)主體以何種方式、需要承擔(dān)何種程度的法律義務(wù)以獲取訓(xùn)練數(shù)據(jù)，是當(dāng)前產(chǎn)業(yè)需要解決的核心問(wèn)題。

值得關(guān)注的是，傳統(tǒng)的 " 授權(quán)許可模式 " 對(duì)于大模型的數(shù)據(jù)訓(xùn)練存在天然困境，不僅在于實(shí)操層面難以落地，更在于對(duì)產(chǎn)業(yè)研發(fā)的長(zhǎng)期影響。業(yè)界有觀點(diǎn)認(rèn)為，可以將數(shù)據(jù)納入合理使用的范疇進(jìn)行規(guī)制。

目前來(lái)看，日本、英國(guó)、歐盟等已對(duì)將數(shù)據(jù)挖掘作為合理使用的情形進(jìn)行了立法確認(rèn)：日本以 " 計(jì)算機(jī)信息分析 " 的名義規(guī)定了文本數(shù)據(jù)挖掘的著作權(quán)例外，英國(guó)同樣引入文本和數(shù)據(jù)挖掘的版權(quán)許可或例外情況，歐盟則選擇 " 非科研目的 " 例外的謹(jǐn)慎方案。中國(guó)業(yè)內(nèi)也在探討是否可以通過(guò)數(shù)據(jù)的合理使用解決數(shù)據(jù)權(quán)屬帶來(lái)的問(wèn)題。

對(duì)于如何厘清數(shù)據(jù)合理使用和保護(hù)的邊界，葛偉超認(rèn)為，" 首先，要明確擁有數(shù)據(jù)的經(jīng)營(yíng)者權(quán)利，即擁有數(shù)據(jù)所有權(quán)還是數(shù)據(jù)用益權(quán)。其次，明確數(shù)據(jù)抓取行為的性質(zhì)。再次，明確該種行為損害的法益是數(shù)據(jù)財(cái)產(chǎn)還是競(jìng)爭(zhēng)優(yōu)勢(shì)。最后，需要明確規(guī)制該種行為到底適用于競(jìng)爭(zhēng)法、民法、或者著作權(quán)法的保護(hù)。"

SFC

本期編輯 江佩佩 實(shí)習(xí)生 趙鳳鈴